[논문 리뷰] Fairness in ad auctions through inverse proportionality.

Shuchi Chawla, Meena Jagadeesan|arXiv (Cornell University)|2020. 03. 31.

Auction Theory and Applications참고 문헌 7인용 수 8

한 줄 요약

이 논문은 유사한 사용자가 유사한 광고 배정을 받도록 보장하는 값 안정성(value stability)을 통해 개인적 공정성을 확보하는 진정성 있고 사전 정보가 없는 광고 입찰 메커니즘인 Inverse Proportional Allocation을 소개한다. 이 메커니즘은 광고주 수에 관계없이 최적 사회적 복지에 대한 상수 요인 근사치를 달성하며, 이는 이전 연구에 비해 크게 향상된 것이다.

ABSTRACT

We study the tradeoff between social welfare maximization and in the context of ad auctions. We study an ad auction setting where users arrive one at a time, $k$ advertisers submit values for each user, and the auction assigns a distribution over ads to each user. Following the works of Dwork and Ilvento (2019) and Chawla et al. (2020), our goal is to design a truthful auction that satisfies individual fairness in its outcomes: informally speaking, users that are similar to each other should obtain similar allocations of ads. We express the constraint as a kind of stability condition: any two users that are assigned multiplicatively similar values by all the advertisers must receive additively similar allocations for each advertiser. This value stability constraint is expressed as a function that maps the multiplicative distance between value vectors to the maximum allowable $\ell_\infty$ distance between the corresponding allocations. Standard auctions do not satisfy this kind of value stability. Our main contribution is a new class of allocation algorithms called Inverse Proportional Allocation that achieve value stability with respect to an expressive class of stability conditions. These allocation algorithms are truthful and prior-free, and achieve a constant factor approximation to the optimal (unconstrained) social welfare. In particular, the approximation ratio is independent of the number of advertisers in the system. In this respect, these allocation algorithms greatly surpass the guarantees achieved in previous work. In fact, our algorithms achieve a near optimal tradeoff between and social welfare under a mild assumption on the value stability constraint. We also extend our results to broader notions of that we call subset fairness.

연구 동기 및 목표

• 유사한 사용자가 유사한 광고 배정을 받도록 보장하는 진정성 있는 광고 입찰 메커니즘을 설계하는 것.
• 공정성의 형식화: 광고주 평가의 곱으로 유사한 평가값은 덧셈적으로 유사한 배정으로 이어져야 한다는 조건으로 정의하는 것.
• 이 안정성 조건을 만족하면서도 높은 사회적 복지를 유지하는 할당 알고리즘 개발.
• 광고주 수에 관계없이 최적 사회적 복지에 대한 상수 요인 근사치를 달성하는 것.
• 공정성 프레임워크를 개인 공정성 이외의 개념인 부분집합 공정성(subset fairness)으로 확장하는 것.

제안 방법

• 광고주 평가값을 광고 배정으로 매핑할 때 역비례 원칙을 적용하여 값 안정성을 보장하는 새로운 할당 알고리즘 클래스인 Inverse Proportional Allocation을 제안한다.
• 값 벡터 간의 곱으로 유사도를 측정하는 안정성 함수를 정의하며, 이는 할당값 간 최대 허용 ℓ∞ 거리를 결정한다.
• 유사한 평가값을 가진 모든 사용자 쌍에 대해 값 안정성 조건을 만족하는 할당 규칙을 설계한다.
• 입찰자가 자신의 평가값을 허위로 신고해도 이득을 볼 수 없도록 할당 규칙을 구성함으로써 진정성을 확보한다.
• 사전 분포에 대한 지식이 필요 없는 사전 정보 없는 설계를 채택한다.
• 사용자 그룹에 대한 안정성 조건을 일반화하여 부분집합 공정성으로 프레임워크를 확장한다.

실험 결과

연구 질문

• RQ1 동적 사용자 유입 상황에서 값 안정성을 통해 개인적 공정성을 보장하는 진정성 있는 광고 입찰을 어떻게 설계할 수 있는가?
• RQ2 값 안정성 제약 조건 하에서 광고 입찰에서 사회적 복지와 공정성 사이의 최선의 트레이드오프는 무엇인가?
• RQ3 광고주 수에 관계없이 최적 사회적 복지에 대한 상수 요인 근사치를 달성할 수 있는가?
• RQ4 공정성 프레임워크는 개인 공정성 이외의 개념으로 어떻게 확장할 수 있는가?

주요 결과

• 제안된 Inverse Proportional Allocation 메커니즘은 표현력 있는 안정성 함수 클래스에 대해 값 안정성 조건을 만족한다.
• 메커니즘은 진정성 있고 사전 정보가 없으며, 광고주 평가값의 분포에 대한 가정이 필요 없다.
• 광고주 수에 관계없이 최적 사회적 복지에 대한 상수 요인 근사치를 달성한다.
• 값 안정성 제약 조건에 약간의 가정을 두었을 때 근사 비율은 near-optimal에 가깝다.
• 안정성 조건을 사용자 그룹으로 일반화함으로써 프레임워크를 부분집합 공정성 강화에 적용할 수 있다.